Arbitrage statistique neutre de couverture Nouveau (Pure-Alpha version de rêve)

Neutral Hedge Stat Arbitrage Nouveau ((Pure-Alpha Dream Edition)

- Une stratégie d'arbitrage solide avec 0 expositions longues et courtes

Bonjour à tous les traders, après plusieurs mois de débogage, d'optimisation et d'itération, je suis très heureux que cet arbitrage statistique de couverture neutre ait atteint un niveau plus stable et puisse être vu avec vous. Il s'agit d'une stratégie neutre sur le marché basée sur la couverture à court terme. Si vous allez long sur un panier de variétés et court sur un panier de variétés dans le même compte, les valeurs longues et courtes sont égales. Sur la base de l'évitement des risques systémiques bêta sur le marché, des méthodes statistiques sont utilisées pour trouver diverses combinaisons de correspondance à long terme afin d'obtenir une stratégie d'arbitrage à faible risque de rentabilité stable alpha. Cette stratégie possède une bonne expérience, une faible corrélation avec le marché, une exposition longue et courte neutre et aucun risque en cas de cygnes noirs extrêmes tels que 31/5219. Au lieu de cela, elle prospérera à un moment où de telles erreurs de prix sont chaotiques sur le marché. Cette stratégie

Bonjour ~ Bienvenue sur ma chaîne!

Bienvenue à tous les traders sur ma chaîne. Je suis un développeur Quant, et je développe la pile complète de CTA & HFT & Arbitrage et d'autres stratégies de trading. Grâce à la plateforme FMZ, je partagerai plus de contenu lié au développement quantitatif dans ma chaîne quantitative, et travaillerai avec tous les commerçants pour maintenir la prospérité de la communauté quantitative.

Pour plus d'informations, veuillez passer à ma chaîne ~ Je t'attends ici pour taquinerTradeMan à la maison

1. Introduction et explication de l'arbitrage statistique

La stratégie d'arbitrage statistique est une stratégie qui exploite la relation de prix entre différentes variétés de paniers pour le trading. Cette stratégie est basée sur des principes statistiques, en analysant les tendances historiques des prix et les corrélations entre deux ou plusieurs variétés, en trouvant les différences de prix entre elles et en utilisant ces différences pour le trading.

Avec le développement du marché, les stratégies d'arbitrage statistique de correspondance entre espèces se sont progressivement étendues à d'autres marchés financiers, tels que les contrats à terme sur matières premières, les devises et les crypto-monnaies. Dans ces marchés, différentes combinaisons de paniers peuvent être trouvées qui sont corrélées et des transactions d'arbitrage peuvent être effectuées en utilisant les différences de prix. La logique de cette stratégie est basée sur le principe de la réversion moyenne. Lorsque les prix parmi les combinaisons de paniers multiples construites dévient de leur portée statistique, il y a une tendance à la régression. Selon cette tendance, lorsque le prix dévie considérablement, vous pouvez vendre un panier de variétés à prix élevé et acheter un panier de variétés à bas prix afin de vous protéger contre l'erreur de prix à court terme du marché. De cette façon, des profits peuvent être obtenus de l'écart d'une combinaison multi-panier.

2. Avantages et inconvénients de l'arbitrage statistique

avantage:

• Réduire le risque de marché: La stratégie d'arbitrage statistique est basée sur des transactions d'arbitrage basées sur les différences entre les différentes combinaisons de paniers de produits. Par rapport aux transactions de produits uniques, elle disperse les risques et réduit l'impact des fluctuations du marché sur la stratégie. Réduire les risques systémiques du marché.
• Les stratégies d'arbitrage statistique conduisent des transactions d'arbitrage de régression contre des erreurs de prix à court terme sur le marché.
• Peut s'adapter à différents environnements de marché: Les stratégies d'arbitrage statistique peuvent fonctionner dans différents environnements de marché car cette stratégie de négociation a une relation moins directionnelle avec le marché.

défaut:

• Les données historiques ne peuvent refléter que les relations passées et ne peuvent pas représenter pleinement l'avenir, il y a donc certains risques. La construction de stratégies d'arbitrage statistique utilisera un grand nombre de tests statistiques pour extraire les combinaisons et les corrélations des variétés de paniers basées sur les grandes données historiques. Des changements peuvent survenir à l'avenir et nécessiter certaines mesures de contrôle des risques.
• Il est difficile d'évaluer avec précision le laps de temps nécessaire pour revenir à la relation d'équilibre en raison d'erreurs de tarification à court terme sur le marché.
• Des capacités d'analyse des données et de modélisation très exigeantes: les stratégies d'arbitrage statistique nécessitent une analyse approfondie et une modélisation des données statistiques telles que la corrélation et la cointégration entre différentes combinaisons de paniers, et nécessitent des capacités élevées d'analyse des données et de modélisation..
• Risque d'exécution et de liquidité des transactions: étant donné qu'il s'agit d'une transaction inter-variétés, le prix d'exécution et le volume de négociation peuvent être affectés par différentes variétés, et il existe un risque d'exécution des transactions.

3. Le contenu principal de cet arbitrage statistique Alpha

**1, surveillez toutes les variétés d'informations de données en temps réel, effectuez un balayage de données volumineuses et construisez une combinaison de paniers de variétés longues et courtes. **

Plus précisément, une combinaison de paniers sera construite: par exemple, s'il y a 6 variétés A, B, C, D, E et F, elles peuvent être divisées en 2 groupes de 3 variétés chacun pour construire une combinaison de paniers.

**2, tester la corrélation des combinaisons de paniers longs et courts. **

La corrélation est le degré d'association entre deux ou plusieurs variables. Elle est utilisée pour mesurer la relation entre les changements d'une variable et les changements d'une autre variable, ce qui permet de déterminer s'il existe une certaine correspondance ou de prédire l'impact des changements d'une variable sur une autre variable.

La plage de valeurs du coefficient de corrélation est [-1, 1], où -1 indique une corrélation négative, 1 indique une corrélation positive et 0 indique aucune corrélation. Plus le coefficient de corrélation est proche de -1 ou 1, plus la corrélation est forte; plus elle est proche de 0, plus la corrélation est faible.

R = cov ((X, Y) / (std ((X) * std ((Y)).

Parmi eux, r est le coefficient de corrélation, cov est la covariance, std est l'écart-type, et X et Y représentent respectivement deux variables. Lors du test de la corrélation, une approche courante consiste à calculer la signification statistique du coefficient de corrélation. Le test d'hypothèse peut généralement être utilisé pour déterminer si le coefficient de corrélation est significatif.

**3, tester la cointégration de la combinaison de panier long et court **

La cointégration fait référence à la relation à long terme entre deux ou plusieurs variables de séries temporelles, c'est-à-dire que leur combinaison linéaire est stable. Par rapport à la corrélation, la cointégration accorde plus d'attention à la relation d'équilibre à long terme plutôt qu'au degré de corrélation à court terme. Lorsqu'elles s'écartent de cette relation d'équilibre, il existe un mécanisme de correction pour ramener l'écart à une plage raisonnable. Le concept de cointégration a été proposé à l'origine par Spiegelman (SG Engle) et CWJ Granger (CWJ Granger) en 1987 pour résoudre le problème de régression spurious existant dans l'analyse des séries temporelles.

La théorie de la cointégration commence par l'analyse de la non-stationnalité des séries temporelles et explore la relation d'équilibre à long terme contenue dans les variables non stationnaires. Si les variables impliquées sont stationnaires après les premières différences, et qu'une certaine combinaison linéaire de ces variables est stationnaire, alors on dit que la cointégration existe entre ces variables. La cointégration est utilisée pour décrire la relation stationnaire entre deux séries ou plus. Pour chaque séquence individuellement, elle peut être non-stationnaire. Les moments de ces séquences, tels que la moyenne, la variance ou la covariance, changent avec le temps, tandis que la séquence de combinaison linéaire de ces séries temporelles peut avoir des propriétés qui ne changent pas avec le temps.

Y_t = β_0 + β_1 * X_t + ε_t

Parmi eux, Y_t et X_t représentent respectivement les valeurs observées de deux variables de séries temporelles, β_1 est le coefficient de régression et ε_t est le terme d'erreur. S'il y a une relation de cointégration entre Y_t et X_t, alors la combinaison linéaire des deux variables sera stable, c'est-à-dire ε_t est stationnaire. Satisfait la distribution normale avec une moyenne de 0. Lors du test de cointégration, un test de stabilité est généralement nécessaire. Les méthodes couramment utilisées incluent le test de Johansen et le test d'Engle-Granger. Le test de Johansen est une méthode basée sur l'axe propre, qui peut directement tester la cointégration entre plusieurs variables.

**4. Cette stratégie mettra à l'essai la relation de cointégration des séries temporelles pour un grand nombre de combinaisons.

• La série de prix dans le temps d'un panier combiné séparé est un vecteur intégral de premier ordre, c'est-à-dire que la série de prix dans le temps n'est pas stationnaire (a une tendance évidente).
• La série (c'est-à-dire la dérivée) après la première différence des paniers combinés individuels est stationnaire. Utilisez la racine unitaire ADF pour tester deux séries de prix temporels de paniers. Utilisez la racine unitaire ADF pour tester la stationnalité de la première différence de la série de prix temporels des deux paniers.
• Une certaine combinaison linéaire de séries de prix temporels de combinaisons appariées est stationnaire, c'est-à-dire que le résidu d'une équation linéaire construite à partir de deux séries est stationnaire.

**5, effectuer un grand nombre de tests de l'indice de Hurst. **

L'indice de Hurst est utilisé pour mesurer la mémoire à long terme d'une série de temps pour déterminer les propriétés de réversion moyennes de la série. La valeur de l'indice de Hurst est comprise entre 0 et 1, avec des valeurs proches de 0,5 indiquant que la séquence présente une marche aléatoire et des valeurs proches de 1 indiquant une tendance soutenue.

**6, estimation moyenne de la demi-vie de réversion. **

La demi-vie moyenne de réversion est une métrique utilisée pour estimer le temps qu'il faut à une série de prix pour revenir à sa moyenne. Plus la demi-vie est petite, plus la demi-vie moyenne de réversion est rapide. Principe: Le calcul de la demi-vie moyenne de réversion est estimé en ajustant un modèle de moyenne mobile d'adoucissement exponentiel convergent (EMA). Lorsque la série de prix dévie de la moyenne de plus de la demi-vie, on peut considérer qu'il y a une opportunité de réversion moyenne. Formule mathématique: La formule de calcul de la demi-vie moyenne de réversion est la suivante:

(H = -\frac{\ln(0.5)}{\ln(\frac{P_t}{P_t - P_{t-1}}})

Méthode d'essai: vous pouvez calculer l'EMA de la série de prix, puis calculer la demi-vie sur la base de l'EMA.

**7. Construire une stratégie de trading basée sur une grande quantité de données statistiques. **

Filtrez les combinaisons de produits de panier basées sur le tri de l'indice Hurst, estimez les paramètres pertinents basés sur la demi-vie moyenne de réversion et construisez une combinaison de stratégie de trading basée sur la cointégration statistique.

Après un test de cointégration, il est constaté qu'il existe une relation de cointégration entre les prix temporels des actifs X et Y. L'écart type du terme résiduel c est σ, et la constante λ est sélectionnée comme valeur limite.

• Lorsque lny- ((a+blnx) > λσ, le prix du panier Y est relativement surévalué et le prix du panier X est relativement sous-évalué.
• Lorsque lny- ((a+blnx) < -λσ, le prix du panier X est relativement surévalué et le prix du panier Y est relativement sous-évalué.
• Lorsque la différence de prix lny- ((a+blnx) revient à une certaine fourchette, telle que la fourchette [-0,5λσ, 0,5λσ], la position est fermée;

Il y en aura d'autres.

Une logique plus exclusive et innovante, une architecture plus détaillée et un traitement plus détaillé constituent sa compétitivité de base unique. À l'heure actuelle, la liquidité sera estimée statistiquement et les transactions seront effectuées en utilisant les prix du marché. À l'avenir, il sera progressivement mis à niveau vers l'arbitrage statistique à haute fréquence du type d'ordre en attente. Nous sommes impatients de prêter attention et de grandir ensemble.

Performance historique partielle (données de coût de 50 000 commandes après estimation du prix réel de la transaction)

Arbitrage statistique de couverture neutre Nouvelle -Super Star

5. Nous attendons avec impatience la coopération, les échanges et l'apprentissage et le progrès conjoints

Chaque stratégie a sa propre méthodologie et sa propre pertinence. Par exemple, la stratégie de renversement moyen est basée sur la marche aléatoire du marché et d'autres théories, et la stratégie de tendance de l'élan est basée sur diverses théories de la finance comportementale, telles que les fluctuations de la queue grasse du marché. Nous devons comprendre ses principes, nous adapter à ses fluctuations en fonction de ses caractéristiques. En même temps, les utilisateurs de stratégies doivent prêter attention à la même source de profits et de pertes. Des rendements plus élevés doivent être accompagnés de risques plus élevés. Les stratégies matures ont leurs avantages et leurs inconvénients. Ils doivent les utiliser raisonnablement et maximiser leurs forces et éviter leurs faiblesses. Sachez s'ils sont corrects ou incorrects, et s'ils sont appropriés ou non en fonction de la situation du marché. Performance complète, soyez confiant et ne soyez pas surpris.

La quantification n'est pas une machine à mouvement perpétuel, ni elle n'est omnipotente, mais elle doit être la direction du trading futur et vaut la peine d'être apprise et utilisée par chaque trader!

● Tarif de location: XXXU/XU/mois, la période de location préférentielle en cours est gratuite et peut être résiliée à tout moment.

● Le plan de partage: On peut commencer gratuitement à dépenser des sommes importantes, et 20% des bénéfices seront retirés mensuellement.

●Engagement stratégique: Si l'utilisateur génère des bénéfices à la fin de la période de location et ne couvre pas le coût (la configuration et les paramètres sont corrects, et il ne s'agit pas d'un cygne noir de force majeure), un mois sera accordé sans condition jusqu'à ce que les bénéfices soient réalisés.

● Plus d'options de coopération: pour les personnes et les institutions qui en ont besoin. Nous maintenons tous une attitude ouverte et gagnant-gagnant envers la coopération et nous attendons vos discussions et votre coopération personnalisée en fonction de vos besoins, de vos préférences en matière de risques, etc.

Si vous avez un appétit pour le risque plus élevé, comme les profits et les pertes à court terme, et avez des besoins de trading à court terme, vous pouvez vérifier une autre stratégie stable à haute fréquence avec un rendement mensuel de 3% à 50% et sans risque de liquidation: High Frequency Hedging Market Making Grid Nouveau (HFT Market-Making Mining Machine Version)

**Si vous avez une grande quantité de fonds, vous pouvez observer un autre système de négociation composite CTA à moyenne basse fréquence de grande capacité, qui dure 900 jours de négociation réelle, pluie ou soleil.Système de négociation CTA composé Nouveau(version publique multifactorielle + multivariété + multi-stratégie)

Informations de contact (bienvenue pour communiquer et discuter, apprendre et progresser ensemble) Je ne sais pas. Télégramme:https://t.me/JadeRabbitcmPour plus d'informations TradeMan Home:https://www.fmz.com/market-offer/512 Système de négociation entièrement automatique CTA & HFT & Arbitrage @2018 - 2024